group-telegram.com/MedX_Media/31
Last Update:
پیش‌بینی وضعیت بعدی بیمار در سیستم سلامت، همانند کلمات بعدی یک متن!
پژوهشگران Mass General Brigham در مقاله‌ای بسیار نوآورانه از روش‌های مبتنی بر transformer که برای پیش‌بینی کلمه‌ی بعدی در یک متن استفاده می‌شد و تمام مدل‌های زبانی فعلی بر همین اساس ساخته شده‌اند، برای «پیش‌بینی وضعیت بعدی بیمار در سیستم سلامت» استفاده کردند و مدلی به نام «ETHOS» را معرفی کرده‌اند که می‌تواند با دقت خوبی آن وضعیت را پیش‌بینی کرد!
از ویژگی‌های این مدل که با روش zero-shot learning آموزش دیده است، می‌توان به توانایی آن در پیش‌بینی مرگ و میر بیماران در بیمارستان و ICU، تخمین مدت زمان اقامت در ICU و تعیین احتمال بازگشت به بیمارستان اشاره کرد. همچنین قادر است نمره‌ی SOFA [که معیاری برای ارزیابی وضعیت بیماران در ICU محسوب می‌شود] را در زمان پذیرش بیمار پیش‌بینی کند. در ضمن کد و وزن‌های این مدل هم به صورت open source منتشر شده است!
📎کد
📎فایل مقاله
🔗 برای خواندن گزارشی از این مقاله به وب‌سایت ما مراجعه کنید!
🌐 | @medxmedia_net
BY MedX
Share with your friend now:
group-telegram.com/MedX_Media/31